uma nova abordagem na resolução do problema do caixeiro viajante

da Rede de Kohonen são a classificação de peixes em lagos (BROSSE; GIRAUDEL; LEK,
2001), e a classificação de insetos aquáticos (OBACH et al., 2001).
A previsão de consumo diário de energia elétrica através das Redes de Kohonen e de
múltiplas camadas Perceptron, pode ser encontrada em Beccali et al. (2004). A
implementação feita pelos autores utiliza dados sobre o clima da cidade de Palermo, Itália,
tais como: umidade do ar, temperatura e radiação solar. Em uma fase preliminar, a Rede de
Kohonen foi utilizada para classificar os dados de consumo de energia, com o objetivo de
distinguir diferentes perfis de consumo, e a rede de múltiplas camadas Perceptron foi
utilizada para fazer a previsão de consumo diário de energia. Em Kowalski e Kowalska
(2003) a mesma metodologia é utilizada para classificar motores, e prever falhas dos
mesmos.
Auffermann, Ngan e Hu (2002) mostram o uso de técnicas estatísticas para medir a
qualidade da criação de agrupamentos feita através de um mapa Auto-Organizável. São
mostradas técnicas baseadas na variância entre os elementos que estão nos agrupamentos
(intracluster), Bootstrap e no discriminante de Fisher, e os resultados encontrados
demonstram a eficiência desta técnica para formação de agrupamentos.
No artigo de Lee e Verleysen (2002) são propostas algumas mudanças nas regras de
aprendizado dos mapas Auto-Organizáveis, além de mostrar o conceito de vizinhanças
recursivas utilizando princípios da Física. São feitas comparações entre as funções de
vizinhanças recursivas, Gaussianas e radiais.
O trabalho de Xu e Li (2002) mostra a utilização da Rede de Kohonen para fazer a
classificação de imagens impressas. Os dados de entrada são as imagens impressas, com saída
em um mapa 7 × 7. Cada protótipo do mapa calcula o número de pixels da imagem que têm
cores similares, criando agrupamentos que são representados em um mapa de densidade. As
zonas de transição entre os agrupamentos possuem cores intermediárias, e uma Rede Neural
tipo Fuzzy é utilizada para determinar estas cores.
A publicação de Martins, Guimarães e Fonseca (2002) mostra a utilização das Redes
de Kohonen para a criação de um classificador de texturas para a busca e recuperação de
informações visuais em bancos de imagens de sensoriamento remoto. Com a apresentação de
uma pequena parte de uma imagem como padrão de entrada, a Rede Neural reconhece qual é
a classe mais próxima deste padrão. Através de um mapa bidimensional 10 × 10 e algumas
simulações dos parâmetros da rede, resultados satisfatórios foram encontrados.